# Embedding-модели для русского RAG: выбор и проверка поиска

Источник: https://modelium.tech/zhurnal/embedding-modeli-dlya-russkogo-rag/

Для русского RAG нет универсально лучшей embedding-модели: начните с нескольких доступных кандидатов и сравните долю размеченных релевантных фрагментов в топ-5 на своих документах. BGE-M3 поддерживает плотный и разреженный режимы, multilingual-E5 требует разных префиксов для вопроса и документа, Qwen3 и Giga требуют инструкции к вопросу. Ни одна опубликованная авторская таблица не заменяет проверку русских договоров, инструкций или каталога вашей команды.

**Проверено по четырём ревизиям модельных карточек 3 октября 2026 года.** Ни веса, ни индексы, ни локальные API Modelium не запускал. Ниже — воспроизводимый план для вашего компьютера, а не собственный рейтинг. Российская частотность головного запроса не измерена.

## Что именно выбирать для русского RAG?

Embedding-модель превращает текст вопроса и фрагменты документов в векторы для поиска; это **не** генеративная модель, которая пишет итоговый ответ. Выбор стоит делать на собственном корпусе: русские договоры с похожими пунктами, инструкции с разными редакциями и каталоги с точными артикулами предъявляют разные требования. Для начала составьте одинаковый набор обезличенных документов и вопросов, затем сравните кандидатов **по найденным релевантным фрагментам**, не по впечатлению от отдельного ответа. В официальном протоколе Qdrant этому соответствует размеченный набор вопросов и релевантных `doc_id` [s5](#src-s5).

Здесь четыре конкретных, опубликованных варианта: **BAAI/bge-m3**, **intfloat/multilingual-e5-large**, **Qwen/Qwen3-Embedding-0.6B** и **ai-sage/Giga-Embeddings-instruct-480M-0826** [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4). Карточки и веса доступны на закреплённых ревизиях, но поддержка русского языка в карточке не доказывает качество на ваших документах. Лицензионные метки артефактов: MIT у BGE-M3, E5 и Giga, Apache-2.0 у Qwen3; перед промышленным применением проверяйте действующие условия репозитория, зависимости и права на документы отдельно [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4). Открытые веса не обещают бесплатного размещения или неограниченного использования любого набора данных.

## Чем отличаются четыре кандидата?

- **BGE-M3**: автор описывает плотный, разреженный и multi-vector режимы; плотный вектор — 1024 измерения, заявлена работа с вводом до 8192 токенов. Это кандидат, если нужно отдельно испытать dense и hybrid-поиск; не приравнивайте его sparse-веса к готовому BM25 без проверки конфигурации хранилища. Карточка говорит, что *дополнительная инструкция к запросу для BGE-M3 не требуется* [s1](#src-s1).

- **multilingual-E5-large**: карточка указывает 1024 измерения, в примере ограничивает длину до 512 токенов и **требует** точные префиксы `query: `для вопроса и `passage: `для документа, в том числе при вводе не на английском. Если забыть префикс при индексации, это уже другой эксперимент; переиндексируйте документы перед сравнимым тестом [s2](#src-s2).

- **Qwen3-Embedding-0.6B**: в карточке указана возможность размерности до 1024 и инструкция к *вопросу* вида `Instruct: ...` с новой строкой `Query: ...`; документный фрагмент подаётся без инструкции. Это отдельная 0.6B-модель, не 4B/8B и не Qwen3 Reranker. Пример карточки использует `max_length=8192`, хотя сводная строка заявляет контекст 32K; не переносите максимум семейства в конкретный пример запуска без дополнительной проверки [s3](#src-s3).

- **Giga Embeddings instruct 480M 0826**: автор указывает вектор 1024, mean pooling и нормализацию; к вопросу добавляет `Instruct: ...` и `Query: ...`, к документу — нет. Авторский пример Sentence Transformers использует `trust_remote_code=True`: такой код сначала нужно изучить и закрепить ревизию; один факт наличия весов не подтверждает совместимость с вашим API/runtime [s4](#src-s4) [s8](#src-s8).

Размерность вектора определяет форму индекса, **не минимальный объём RAM/VRAM**. Длина входа в документации также не равна обещанию, что длинный договор будет найден целиком. Разбивайте документы по смысловым границам, храните идентификаторы исходных фрагментов, проверяйте обрезание токенизатором и записывайте настройки перед сопоставлением. Если поменяли модель, префиксы, инструкцию, нормализацию или размерность, заново получите векторы документов; иначе вопрос и индекс перестанут соответствовать одному эксперименту.

## Как повторить проверку на русских документах?

- **Зафиксируйте данные.** Подготовьте обезличенный корпус с неизменными `doc_id` и `chunk_id`. Ручным чтением разметьте вопросы и *все* подходящие фрагменты, отдельно отметьте запросы с артикулами/номерами, сокращениями и несколькими релевантными ответами. Qdrant различает оценку релевантности выдачи, точность приблизительного ANN-индекса и качество конечного RAG-ответа; здесь измеряем только первую [s5](#src-s5).

- **Запишите для каждой модели режим.** Используйте закреплённый SHA из источников и соответствующий путь генерации векторов из карточки: BGE-M3 dense отдельно от его sparse-режима; E5 с парой префиксов; Qwen3 и Giga с документами без инструкции и вопросами с инструкцией. Для Giga не включайте выполнение пользовательского кода над корпоративным корпусом до анализа репозитория и закрепления ревизии [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s8](#src-s8).

- **Индексируйте одинаковые фрагменты.** Для каждого кандидата создайте независимую коллекцию с размерностью его фактического вывода и одинаковыми `doc_id`, правилами нарезки, числом кандидатов и фильтрами доступа. Проверьте на одном нейтральном вопросе, что векторы получены, имеют ожидаемую длину, а выдача возвращает ID исходных фрагментов. Это контроль формы данных, не проверка семантического качества [s5](#src-s5). Для работы с коллекцией есть [локальный гайд Qdrant](/zhurnal/qdrant-lokalno/).

- **Сравните выдачу.** Для каждого вопроса сохраните первые пять `chunk_id` и оцените **Recall@5 = количество релевантных фрагментов в топ-5 / число всех релевантных размеченных фрагментов**; затем усредните по одному и тому же набору вопросов. Если один документ разбит на несколько кусков, заранее решите, оцениваете ли `chunk_id` или `doc_id`: Qdrant предупреждает, что при свёртке нескольких чанков к одному документу следует сохранять первое, наиболее высокое место документа [s5](#src-s5). В Sentence Transformers `InformationRetrievalEvaluator` также принимает словарь релевантных документов и поддерживает наборы `precision_recall_at_k` и `ndcg_at_k` [s7](#src-s7).

- **Сравните ошибки и затраты.** Сохраните ревизию модели, runtime, CPU/GPU, формат весов, память процесса и задержку на одинаковом размере пакета; без собственного прогона никаких чисел памяти и скорости здесь нет. Проверьте, не проваливаются ли артикулы при хорошей средней семантической выдаче. При необходимости проведите *отдельный* тест dense+sparse и слияния RRF, которое описывает Qdrant [s6](#src-s6). Не приписывайте улучшение одной модели при одновременной смене индекса, сегментации и reranker.

## Когда результат ещё не означает готовый RAG?

Даже найденный релевантный фрагмент не гарантирует, что генеративная модель процитирует его верно. Проверяйте источники в ответе отдельно; следующая проверка — [протокол оценки качества RAG](/zhurnal/ocenka-kachestva-rag/). Если в пилоте важны права доступа, исключайте запрещённые документы **до** выдачи и проверяйте результат под разными ролями; высокое Recall@5 само по себе не доказывает безопасность. Для сочетания смыслового поиска с точными совпадениями откройте [гайд по гибридному поиску](/zhurnal/gibridnyy-poisk-rag/) [s6](#src-s6).

**Следующий шаг:** составьте размеченные русские вопросы и ожидаемые `doc_id` по [протоколу проверки поиска](/zhurnal/ocenka-kachestva-rag/), затем замерьте Recall@5 отдельно для каждой закреплённой модели. Это даст решение по вашему корпусу, не общий «топ лучших» без воспроизводимых условий [s5](#src-s5).

## Источники

1. [BAAI — BGE-M3, модельная карточка на зафиксированной ревизии](https://huggingface.co/BAAI/bge-m3/blob/5617a9f61b028005a4858fdac845db406aefb181/README.md) — получено 2026-10-03
2. [intfloat — multilingual-E5-large, карточка на зафиксированной ревизии](https://huggingface.co/intfloat/multilingual-e5-large/blob/3d7cfbdacd47fdda877c5cd8a79fbcc4f2a574f3/README.md) — получено 2026-10-03
3. [Qwen — Qwen3-Embedding-0.6B, карточка на зафиксированной ревизии](https://huggingface.co/Qwen/Qwen3-Embedding-0.6B/blob/97b0c614be4d77ee51c0cef4e5f07c00f9eb65b3/README.md) — получено 2026-10-03
4. [ai-sage — Giga Embeddings instruct 480M 0826, закреплённая карточка](https://huggingface.co/ai-sage/Giga-Embeddings-instruct-480M-0826/blob/1763d603adac8057bd6482a708001b0ed2e0a903/README.md) — получено 2026-10-03
5. [Qdrant — Measuring Retrieval Relevance](https://qdrant.tech/documentation/search-evaluation/retrieval-relevance/) — получено 2026-10-03
6. [Qdrant — Hybrid Queries и Reciprocal Rank Fusion](https://qdrant.tech/documentation/concepts/hybrid-queries/) — получено 2026-10-03
7. [Sentence Transformers — InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html) — получено 2026-10-03
8. [Hugging Face — Customizing models: пользовательский код и доверие](https://huggingface.co/docs/transformers/custom_models) — получено 2026-10-03